本篇文章給大家帶來的內容是關於python中協程的詳解(附示例),有一定的參考價值,有需要的朋友可以參考一下,希望對你有所幫助。
協程,又稱微線程,纖程。英文名Coroutine
協程看上去也是子程序,但執行過程中,在子程序內部可中斷,然後轉而執行別的子程序,在適當的時候再返回來接著執行。
最大的優勢就是協程極高的執行效率。因為子程序切換不是線程切換,而是由程序自身控制,因此,沒有線程切換的開銷,和多線程比,線程數量越多,協程的性能優勢就越明顯。
第二大優勢就是不需要多線程的鎖機制,因為只有一個線程,也不存在同時寫變量衝突,在協程中控制共享資源不加鎖,只需要判斷狀態就好了,所以執行效率比多線程高很多。
因為協程是一個線程執行,那怎麼利用多核CPU呢?最簡單的方法是多進程+協程,既充分利用多核,又充分發揮協程的高效率,可獲得極高的性能。
yield實現協程
Python對協程的支持還非常有限,用在generator中的yield可以一定程度上實現協程。雖然支持不完全,但已經可以發揮相當大的威力了。
import threading
import time
def producer(c):
c.__next__()
n=0
while n<5:
n+=1
print('[生產者]產出第%s條數據' %(n))
res = c.send(n)
print('[返回]:%s' %(res))
def consumer():
r='sheenstar'
while True:
# 更新r值: r = 'This is ok!', c.__next__()
# n= yield r --> c.send(n) --> n更新
n = yield r
if not n:
break
print('[消費者]正在調用第%s條數據' %(n))
time.sleep(1)
r = 'This is ok!'
if __name__=='__main__':
print(threading.current_thread())
print(threading.active_count()) #查看當前進行的線程
c = consumer()
producer(c) #函數中有yield, 返回值為生成器;
print(threading.active_count()) #1
![python中協程的詳解(附示例)](http://p2.ttnews.xyz/loading.gif)
gevent庫實現協程
Python通過yield提供了對協程的基本支持,但是不完全。而第三方的gevent為Python提供了比較完善的協程支持。
gevent是第三方庫,通過greenlet實現協程,其基本思想是:
當一個greenlet遇到IO操作時,比如訪問網絡,就自動切換到其他的greenlet,等到IO操作完成,再在適當的時候切換回來繼續執行。由於IO操作非常耗時,經常使程序處於等待狀態,有了gevent為我們自動切換協程,就保證總有greenlet在運行,而不是等待IO。
由於切換是在IO操作時自動完成,所以gevent需要修改Python自帶的一些標準庫,這一過程在啟動時通過monkey patch完成。
假設多協程執行的任務, 沒有IO操作或者等待, 那麼協程間是依次運行, 而不是交替運行;
假設多協程執行的任務, IO操作或者等待, 那麼協程間是交替運行;
#沒有等待
import gevent
from gevent import monkey
monkey.patch_all()
def job(n):
for i in range(n):
print(gevent.getcurrent(),i)
def mian():
g1 = gevent.spawn(job,1)
g2 = gevent.spawn(job,2)
g3 = gevent.spawn(job,3)
gevent.joinall([g1,g2,g3])
print('協程執行任務結束...')
if __name__=="__main__":
mian()
![python中協程的詳解(附示例)](http://p2.ttnews.xyz/loading.gif)
"""
#有等待
import time
from gevent import monkey
monkey.patch_all()
import gevent
def job(n):
for i in range(n):
print(gevent.getcurrent(), i)
time.sleep(1)
def main1():
# 創建三個協程, 並讓該協程執行job任務
g1 = gevent.spawn(job, 2)
g2 = gevent.spawn(job, 3)
g3 = gevent.spawn(job, 2)
# 等待所有的協程執行結束, 再執行主程序;
gevent.joinall([g1, g2, g3])
print("任務執行結束.....")
main1()
協程與線程
做一個關於協程和線程花費時間的對比實驗,不具有參考性 。
import time
import gevent #導入協程
from gevent import monkey
from urllib.request import urlopen #連接網絡
from mytimeit import timeit #導入計算時間的裝飾器
from concurrent.futures import ThreadPoolExecutor #導入線程池
def get_len_url(url):
with urlopen(url) as u_conn:
data = u_conn.read()
# print('%s該網頁共%s字節' %(url,len(data)))
urls = ['http://httpbin.org', 'http://example.com/']*100
@timeit
def coroutineall():
gevents = [gevent.spawn(get_len_url,url) for url in urls]
gevent.joinall(gevents)
@timeit
def threadall():
with ThreadPoolExecutor(max_workers=100) as thpool:
thpool.map(get_len_url,urls)
if __name__=="__main__":
coroutineall()
threadall()
以上就是python中協程的詳解(附示例)的詳細內容,更多請關注其它相關文章!
更多技巧請《轉發 + 關注》哦!
閱讀更多 科技i關注 的文章